在全部替换为hl-link私有协议之後,通讯效率比之前提升了四点七倍。
测试数据出来之後,後面看着的刘彧吓了一跳,还以为是测试出错了。
但他仔细观察韩路一、赵文渊和沈仲和的表情,似乎这个数据完全不出乎他们的意料。
刘彧有点儿迷惑,怎麽一台伺服器测试的时候才高了三成,加到六十四台之後反而变成了四点七倍?
他看着互联团队忙碌的状态,自然不好上前打扰,但是韩路一和赵文渊都在旁边没事干,於是刘彧凑上去小声问道:「赵总,刚才的测试不是才提高了三成吗?怎麽这次一下高了快五倍?」
赵文渊闻言,也压低声音回复道:「咱们之前用的是pcie的原生协议,是为应对各种硬体之间的通讯设计的,里面有很多浪费,拓扑结构也没有优化。这个协议当初设计的时候就是为了给个人电脑用的,根本没考虑过大集群的问题,现在用它来做集群间通讯,很多时间都用在寻址绕路上了。现在装上的新协议,专门为这种全局通信设计的,规模越大,优势越明显。」
这其实不是赵文渊的专业,但是因为当了研究院的院长,他要统筹所有项目的进度,这些协议的知识都是他最近恶补的。
韩路一在旁边听着两人的对话,心里也在默默盘算。这个五百卡集群已经完全升级到hl-link互联协议,通讯效率是之前的四点七倍。
即使以现在的状态把使用新协议的五百卡集群重新上线,它也能用相同的硬体资源支持更高的并发、更多的用户请求。
但是这可不是今天测试的核心价值。
此时,互联组已经把另外一个五百一十二张l100组成的集群也完成了升级。
他们都在等着下一步命令。
沈仲和站在原地,深吸了一口气。
後面坐着的韩路一和赵文渊目不转睛地盯着测试现场。
视频会议另一边的江松然也屏住了呼吸。
上一次,就是在这一步,组成千卡集群的尝试因为跨排链路拥塞,造成整个集群连锁反应式的崩溃。
当时,随着两个五百卡集群相连,整个监控屏幕一瞬间就飘红,仿佛火警现场。
也是那一次,他们发现了原生通讯协议是阻止l100组成更大集群的瓶颈。
现在,在l100集群装备了新的通讯协议之後,第二次尝试要开始了。随着沈仲和按下回车,采用全新协议的两个l100五百卡集群并入了同一个逻辑集群,各个节点开始重新构建新的拓扑结构。
监控屏幕上的数字从【512】【512】变成了【1024】。
全新集群上线,江松然在远程运行了第一个模拟训练任务。
监控屏幕中,显存使用率开始上升。
卡间通信的带宽占用也在同步上升。
但是很快就稳定在了一个安全的区域内。
两分钟後,训练任务完成。
显存使用率和带宽占用也开始同步回落。
千卡集群的测试成功了!
看到这个结果的一瞬间,赵文渊就转头看向了韩路一。
只见韩路一的脸上云淡风轻,仿佛对这个结果早有预料。
啊,早该预料到的。越是高兴就越是装的若无其事的样子。
赵文渊无奈地看向背对着他的沈仲和,只见沈仲和一动不动,整个人仿佛呆住了。
赵文渊起身走到沈仲和旁边,拍了拍他的肩膀,说道:「老沈,成了。」
沈仲和这才如梦方醒。
真成了。
研究了这麽多年的屠龙技,如今真的要去屠龙了。
……
第一次连接成功,只是证明了hl-link在l100上的可行性。
但是学术问题和工程问题最大的差别就在於稳定性。
在把hl-link推广到现在所有的l100集群上,甚至在新生产的l100计算卡上直接预制之前,还需要再进行详细的测试。
沈仲和带着手底下的人已经在干活了。
比如随机把一个节点断电,模拟真实环境中出现坏节点的情况。现实环境不是理论,什麽突发情况都有可能发生,不能等真发生了才发现这种情况没考虑过。
但是最重要的结论已经验证了,韩路一不打算在这一直盯着了。
他走之前特意和沈仲和聊了两句,鼓励他好好工作,之後下一代晶片的研发、更大规模的集群组网,都缺不了互联团队的贡献。
然後韩路一和赵文渊一起走出数据中心的大楼,又特意叮嘱了他几句:「这次几个团队都有大突破,你带他们组织一个庆功宴,庆祝一下。另外,我给你批一笔项